論文の概要: A Survey of Large Language Models for Perception and Measurement of Human Psychology

• arxiv url: http://arxiv.org/abs/2606.20603v1
• Date: Wed, 20 May 2026 14:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 19:12:09.463064
• Title: A Survey of Large Language Models for Perception and Measurement of Human Psychology
• Title（参考訳）: 人間の心理の知覚と測定のための大規模言語モデルの検討
• Abstract要約: 中心的な問題は、大規模言語モデルが複雑で潜伏した人間の心理的構造を正確に知覚し、測定する能力を持っているかどうかである。 本稿では,人間の心理測定機器としてのLSMの使用に着目した系統的なレビューを行う。
• 参考スコア（独自算出の注目度）: 55.608047817598965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Against the backdrop of the rapid advancement of Large Language Models (LLMs), their application in the field of psychology has garnered significant academic attention. A central issue is whether LLMs possess the capability to accurately perceive and measure complex, latent human psychological constructs, such as personality, emotions, and cognitive states. This paper provides a systematic review focused on the use of LLMs as instruments for human psychological measurement. To organize this domain, we propose a comprehensive analytical framework structured around three critical dimensions: Theoretical Plausibility (why measurement might be possible), Measurement Methodology (how to measure), and Application Effectiveness (what has been measured). We first explore the theoretical foundations supporting LLM-based measurement, examining the debate on their emergent cognitive properties from a psychometric perspective. Next, we systematically analyze existing measurement paradigms, categorizing them into active conversational assessment, passive natural language analysis, and multimodal fusion. Subsequently, we review the practical effectiveness and limitations of LLMs in core application areas, including personality trait assessment and mental health evaluation. Distinct from prior reviews focusing on general applications or the ``psychology'' of LLMs themselves, this paper centers on the psychometric properties of LLMs as measurement tools.
• Abstract（参考訳）: LLM(Large Language Models)の急速な発展を背景に、心理学分野への応用は学術的な注目を集めている。 中心的な問題は、LLMが人格、感情、認知状態などの複雑な人間の心理的構造を正確に知覚し、測定する能力を持っているかどうかである。 本稿では,人間の心理測定機器としてのLSMの使用に着目した系統的なレビューを行う。 この領域を整理するために、理論的可視性(なぜ測定可能か)、測定方法(測定方法)、応用有効性(測定結果)の3つの重要な側面を中心に構成された包括的分析フレームワークを提案する。 まず, LLMに基づく測定を支える理論的基礎を考察し, 心理学的視点からその創発的認知特性に関する議論を考察する。 次に、既存の測定パラダイムを体系的に分析し、それらをアクティブな会話アセスメント、受動的自然言語分析、マルチモーダル融合に分類する。 その後,パーソナリティ特性評価やメンタルヘルス評価など,中核領域におけるLCMの実用的有効性と限界について検討した。 本論文は, LLM自体の一般応用や「心理学」に焦点をあてた先行レビューと異なり, 測定ツールとしてのLLMの心理測定特性に着目したものである。

関連論文リスト

• MindShift: Analyzing Language Models' Reactions to Psychological Prompts [6.696296750931842]
  大規模言語モデル(LLM)は、ユーザが指定した性格特性や態度を吸収し、反映する可能性を秘めている。 LLMの心理的適応性を評価するためのベンチマークであるMindShiftを紹介した。
  論文  参考訳（メタデータ） (2025-12-09T21:56:54Z)
• Large Language Model Psychometrics: A Systematic Review of Evaluation, Validation, and Enhancement [16.608577295968942]
  本稿は, LLM心理学の新しい学際分野について紹介し, 合成する。 心理学は人格、価値観、知性といった人間の心理学の無形側面を定量化する。 最終的にこのレビューは、人間レベルのAIに合わせて将来の評価パラダイムを開発するための実用的な洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-13T05:47:51Z)
• Humanizing LLMs: A Survey of Psychological Measurements with Tools, Datasets, and Human-Agent Applications [25.38031971196831]
  大規模言語モデル(LLM)は、人間中心のタスクでますます使われるようになっている。 彼らの心理的特徴を評価することは、彼らの社会的影響を理解し、信頼できるAIアライメントを確保するために不可欠である。 本研究は,LLMのより解釈しやすく,堅牢で,一般化可能な心理的アセスメントフレームワークを開発するための今後の方向性を提案することを目的とする。
  論文  参考訳（メタデータ） (2025-04-30T06:09:40Z)
• Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey [64.08485471150486]
  本研究では,大規模言語モデル(LLM)に基づくマルチターン対話環境におけるエージェントの評価手法について検討する。 我々は250近い学術資料を体系的にレビューし、様々な出版場所から芸術の状態を捉えた。
  論文  参考訳（メタデータ） (2025-03-28T14:08:40Z)
• Comparing Human Expertise and Large Language Models Embeddings in Content Validity Assessment of Personality Tests [0.0]
  本研究では,大規模言語モデル(LLM)の心理測定器の内容妥当性評価への応用について検討する。 人間の専門的評価と高度なLCMの両方を用いて,意味的項目・構成的アライメントの精度を比較した。 その結果、人間とAIのアプローチの強みと限界が明らかになりました。
  論文  参考訳（メタデータ） (2025-03-15T10:54:35Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)
• PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
  心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。 心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
  論文  参考訳（メタデータ） (2024-02-19T18:00:30Z)
• Revisiting the Reliability of Psychological Scales on Large Language Models [62.57981196992073]
  本研究の目的は,大規模言語モデルにパーソナリティアセスメントを適用することの信頼性を明らかにすることである。 GPT-3.5、GPT-4、Gemini-Pro、LLaMA-3.1などのモデル毎の2,500設定の分析により、様々なLCMがビッグファイブインベントリに応答して一貫性を示すことが明らかになった。
  論文  参考訳（メタデータ） (2023-05-31T15:03:28Z)
• Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
  人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。 これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。 MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。 パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
  論文  参考訳（メタデータ） (2022-05-20T07:32:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。